企业智能体系统的制作方法

本发明总体上涉及企业网络，更特别地，涉及一种可作为未来企业网络范式的企业智能体系统。

背景技术：

以智能制造为核心的新工业革命已成为重塑制造业竞争力的主攻方向。从国际发展态势上看，发达国家纷纷抢抓新工业革命机遇，以巨头企业为牵引，围绕核心标准、技术、平台加速布局，构建新生态，争夺制高点，已形成较大优势。从国内情况看，我国稳居世界第一制造大国和网络大国地位，目前已在22个工业品大类中有7个世界第一，500来种主流工业产品中大约有222种的产量处于世界第一的位置，已有56家制造企业进入2015年世界500强企业榜单。但我国自身结构不平衡，工业1.0、2.0、3.0、4.0同时并存是现实。我国智能制造起步略晚，虽然取得初步进展，但与发达国家相比差距仍较大。

从全球看，各发达国家智能制造浪潮风起云涌，各国均以制造业为核心，推进智能制造，并扩展到实体经济。全球网络从消费领域扩展到制造领域是大势所趋，欧洲发布了数字化产业行动计划，德国工业4.0发布了数字化战略2025，法国发布了新工业法国计划，英国发布了未来制造业预测，美国发布了先进制造战略工业互联网，日本发布了制造业创新3.0战略和机器人新战略。各国均以制造业为核心，扩展到实体经济。我国有超过220个工业品产量世界第一，制造业全球占比超过19.8％。实施中国制造2025后，从大规模制造向个性化定制转型，从生产型制造业向服务型制造业转型，从要素驱动向创新驱动转型，实现网络化协同、个性化定制、智能化生产与服务化延伸，生产方式将大变身。

从企业角度看，竞争已白热化，市场飞速变化，客户需求增加、交货不断加快，要求成本不断降低，质量要求不断提高，供应链告急等。目前，我国很多企业的工厂还处于复杂封闭体系之中，缺少灵活性，运营成本高，业务创新难，增长乏力等一系列问题。传统的企业资源计划(erp)系统已经不能满足现在互联网时代的企业需求，急需一种新的企业网络，来优化企业资源配置，合理调度企业运营，提升企业效率，从而促进生产力的进一步发展。

技术实现要素：

针对目前存在的上述问题和需要，本申请提出一种企业智能体(eai)系统，其可以实现在一段时间内，在尽可能少的人员参与或无人参与的情况下，企业信息按数字化、网络化、智能化既定规则半自动或自动地运行。eai系统有躯体、有边界、有感知、有决策，由机器或软件表现出来其整体或部分智能，即面向产品制造和企业管理全过程或部分过程，依托新一代信息技术和制造系统，在其关键环节，具有一定自主性感知、学习、分析、决策能力，能动态地感知制造环境的变化，构建“智能”的制造系统，实现科学决策和执行。相当于在企业的员工用户群体和工厂物理之上嵌入“神经层”和“大脑”，使企业活动智能化。

根据一实施例，提供一种企业智能体系统，包括：设置于企业的物理工厂中的物理工厂感知层，用于感知与物理工厂的生产过程相关的生产数据；与企业的员工相关联的员工群体感知层，用于感知与企业员工群体的行为相关的员工数据；与企业网络相关联的网络感知层，用于感知企业网络中的网络数据；企业云主体，用于通过企业网络接收所感知的生产数据、员工数据和网络数据，并对这些数据进行初步处理以获得企业大数据；以及企业智能中枢，用于基于所述企业大数据来生成执行指令，以调度企业的运营。

在一些示例中，所述物理工厂感知层包括下列传感器中的一种或多种：用于感知物料消耗的物流传感器；用于感知生产设备的运行状况的设备传感器；用于感知生产环境的环境传感器；以及用于感知生产成品的库存传感器。

在一些示例中，所述员工群体感知层包括下列传感器中的一种或多种：用于感知员工位置的位置传感器；以及用于感知员工行为的行为传感器。

在一些示例中，所述网络感知层包括下列传感器中的一种或多种：用于截取网络传输数据的深度包检测装置；以及用于将网络数据转发给所述企业云主体的数据转发装置。

在一些示例中，所述深度包检测装置包括检测功能实体，所述检测功能实体包括至少一个处理器和至少一个存储器，所述存储器上存储有指令，所述处理器运行所述指令以执行如下步骤：从所述企业网络中截取网络数据包；解析所截取的网络数据包以确定所述网络数据包的业务类型和相关对象；以及基于解析结果将所述网络数据包重新打包成预定格式，并且发送给所述企业云主体。

在一些示例中，所述深度包检测装置还包括检测管理实体，所述检测管理实体配置为根据所述企业智能中枢的指令来管理所述检测功能实体的操作。

在一些示例中，所述企业网络连接到互联网，所述网络感知层还用于感知互联网中的网络数据。

在一些示例中，所述企业云主体对数据进行的初步处理包括统计、分类、融合、标准化和关联中的一种或多种。

在一些示例中，所述企业云主体维护有与企业的各种数据相关的多个非关系型数据库，并且所述企业云主体基于所接收到的感知数据来更新所述多个非关系型数据库。

在一些示例中，所述企业智能中枢基于对所述企业大数据进行的人工智能处理来生成所述执行指令。

在一些示例中，所述人工智能处理包括基于所述企业大数据确定相关对象的行为和/或状态。

在一些示例中，所述人工智能处理还包括基于所述相关对象的行为和/或状态确定其属性。

在一些示例中，所述人工智能处理还包括基于所述相关对象的属性来生成所述执行指令以控制所述相关对象的行为。

在一些示例中，所述人工智能处理还包括基于所述企业大数据，通过机器学习来预测相关对象的未来行为和/或状态。

在一些示例中，所述企业智能中枢配置为运行神经网络模型，所述神经网络模型利用历史企业大数据进行训练学习，以对所述相关对象的未来行为和/或状态进行预测。

在一些示例中，所述企业智能中枢还配置为通过所述企业大数据确定多种数据之间的关联性。

在一些示例中，所述执行指令包括下列指令中的一个或多个：用于安排生产进度的生产指令；用于补充生产物料的物料购买指令；用于控制生产设备的运行的设备控制指令；用于调度生产成品的运输的运输指令；以及用于为企业员工分配工作任务的工作指令。

本发明的上述和其他特征和优点将通过下面对示范性实施例的描述而变得显而易见。

附图说明

图1示出根据本发明一示例性实施例的企业智能体系统的定义示意图。

图2示出根据本发明一示例性实施例的企业智能体系统的构建方式示意图。

图3示出根据本发明一示例性实施例的网络智能体系统的功能架构示意图。

图4示出根据本发明一示例性实施例的网络智能体系统的感知网络的示意图。

图5示出根据本发明一示例性实施例的网络智能体系统的结构示意图。

图6示出根据本发明一示例性实施例的深度包检测(dpi)装置的结构框图。

具体实施方式

下面将结合附图来描述本发明的示例性实施例。

图1示出根据本发明一示例性实施例的企业智能体系统的定义示意图。企业智能体系统，也可称为企业智能体(eai)，是企业整体的数字化网络化智能化(有躯体、有边界、有感知、有决策)呈现，由机器或软件表现出来的整体能力。面向产品制造和企业管理全过程，依托新一代信息技术和制造系统，在其关键环节，具有一定自主性感知、学习、分析、决策，动态地感知制造环境的变化，构建“智能”的制造系统，实现科学决策和执行，从而快速感知用户需求、提高设计和制造效率、提升产品质量、缩短制造周期、降低生产成本、增强用户体验等。本发明的企业智能体以感知信息作为输入，可以感知与企业相关的人(企业员工群体)、网(企业网以及互联网)、物(物理工厂)的信息，感知序列是收到的所有输入数据的完整历史，可以用把任意给定感知序列映射到智能体行动的智能体输出(例如指令)来描述智能体的行为。

本发明的企业智能体可以充分利用现代传感技术、网络技术、自动化技术、拟人化技术等智能技术，通过智能化感知、人机交互、决策和执行，逐步实现设计过程、制造过程和制造装备智能化，是信息技术、智能技术与装备制造技术的深度融合与集成。以物联网为神经网络系统，以生产设备为运动执行系统，以人工智能软件为计划决策系统，进而实现一种企业整体智能化的生产方式。

图2示出根据本发明一示例性实施例的企业智能体系统的构建方式示意图。人工智能环境下的企业智能体，如图2所示，需要并行建两个“工厂”,物理的工厂和智能的工厂。以烽火通信制造部的物理工厂为例，它有两千种产品、3.5万种物料、1万夹具、二十多道工序、产品覆盖90多个国家和地区；在确保产品质量的前提下，降成本、缩短交货期、提高成品率、提升运营效率、降能耗是第一层次目标。智能的工厂，包括覆盖包括南美、非洲、欧洲等地在内的信息化系统、网络、平台、安全等，也包括信息的工厂，是物理工厂的神经层、神经系统等，需要在两个工厂建设中全方位部署“东向”、“西向”和“北向”工业互联网接口，可以是有线的、光纤的和无线的。相当于在企业员工群体和工厂物理世界之上嵌入“神经层”和“大脑”，使企业活动逐步深度信息化和智能化。这是企业自诞生以来的重大变化。eai包括物流、资金流、任务流、数据流、人流交汇，这两个工厂各自有不同定位，但它们之间有深度交叉与融合。

图3示出根据本发明一示例性实施例的网络智能体系统的功能架构示意图。如图3所示，企业智能体系统100可包括感知层110、企业网络120、企业云主体130和企业智能中枢140。应理解，虽然这里单独示出了企业网络120，但是这仅仅是为了描述的方便，便于描述企业智能体系统100内各个模块之间的交互，实际上，整个企业智能体系统100，或者更具体地，企业智能体系统100中的各个模块，可以连接到企业网络120、实施在企业网络120上，或者说构成了企业网络120的一部分。

感知层110可感知各种环境数据，包括人类社会、自然世界、以及网络空间相关的数据，简言之，感知层110可以感知人-网-物互联和融合产生的数据。归因于物联网、工业互联网、车联网、海洋网络、空天网络等技术的发展，感知层110可以感知的数据量越来越大，几乎可以涵盖绝大部分领域。在一些实施例中，感知层110可以具体包括例如物理工厂感知层112、员工群体感知层114和网络感知层116，其具体将在下面结合图4来详细描述。在一些实施例中，在感知层110中还可以引入边缘计算概念，例如通过图像识别、语音识别、深度数据包解析等技术对感知数据进行必要的处理，例如识别对象或业务类型，重新封装成预定格式等，然后发送给上层设备，从而可以大幅度减小数据，节省网络带宽。

企业网络120可以是基于企业架构构建的网络，例如其可以是局域网，也可以连接到互联网，或者其还可以例如通过互联网而连接到电信网络，从而例如员工可以通过手机或便携式电子设备访问企业网络120。

企业云主体130可实施为各种云服务器，其通过企业网络120来接收感知层110产生的各种感知数据，并且还可以对这些数据进行一定的初步处理，例如统计、分类、融合、标准化和数据关联等。可以理解，感知层110持续地感知各种企业相关数据的数据流，因此企业云主体130接收到的数据是海量的。企业云主体130可以通过前述初步处理，来将这些数据形成为预定的格式，并且通过数据融合等来去除冗余信息等，形成企业的大数据，然后将企业大数据保存于云服务器中。企业云主体130可以保存所有的历史大数据，并且可以基于感知层110新感知的数据来不断更新该大数据。

为了便于维护这些大数据，企业云主体130可以维护有多个数据库，以存储各种类型的数据，或者存储这些数据之间的关联关系等。数据库可以是非关系型数据库，诸如面向列的数据库等。传统的关系型数据库，例如sql数据库，存在随着条目增多而查询速度变慢的问题，已经不能满足大数据时代的需求。因此，目前正在开发各种非关系型数据库，例如面向列的数据库等，其通过灵活的索引方式可以保证查询速度几乎不随条目数增大而显著变化，配合大数据分布式云存储技术，可以满足大数据的存储和查询的需要，从而提升企业智能体系统100的运行效率。

企业智能中枢140可以基于所得到的企业大数据，来了解企业当前的运行状况，并且生成执行指令以调度企业的运营。因此，可以实现在一段时间内，在尽可能少的人员参与或无人参与的情况下，企业信息按数字化、网络化、智能化既定规则半自动或自动地运行。企业智能中枢140就是企业的大脑，其对企业大数据进行分析、推理等，改变生产方式、人机关系和商业模式，精准满足用户的动态需求，是通信技术和制造业的企业整体层面深度融合、创新集成。eai，是大数据深度自感知、机器自学习、智慧自决策、精准自执行、全域自适应的企业整体先进制造过程、系统与模式，是物流、人流、资金流、信息流等人-网-物一体化的大数据智能，是供应链、资金链、制造装备、仓库、产品、用户、员工等万亿互联智能管理得新形态。体现出人-网-物三元万物互联，大融合、大连接、大数据、新智能，逐步渗透至整个物理工厂和员工、用户群体，相当于叠加了一个神经层，这是企业有史以来的一次重大转变。

企业智能中枢140可以利用人工智能技术来实现，换言之，企业智能中枢140对企业大数据进行人工智能处理，从而表现出“智能”，能够像人那样控制企业的运营。企业智能中枢140的一些功能示例将在下面进一步详细描述。

图4示出根据本发明一示例性实施例的网络智能体系统的感知网络的示意图，通过图4可以更好地理解图3所示的物理工厂感知层112、员工群体感知层114和网络感知层116的各种功能和实现。为了便于描述，在图4中省略了企业云主体。

如图4所示，企业智能体系统200可通过例如员工群体感知层114(图3)来感知与企业员工用户群体210的行为相关的员工数据，这可以通过各种传感器来实现。例如，员工的制服上可以有位置传感器，其可以是gps定位芯片，通过gps系统来定位，或者可以是rfid器件，通过企业环境中的rfid扫描设备来定位，还可以是例如摄像头，通过面部识别来识别并且定位员工位置。或者，员工的手机212也可以充当位置传感器，其可以通过gps或者电信网络来定位。此外，员工的手机212或者其他便携式电子设备例如平板计算机、笔记本计算机，或者分配给特定员工专用的台式计算机等，可以充当用于感知员工行为的行为传感器。例如，员工浏览了哪些网站，搜索了哪些内容，发表了哪些言论等，都可以通过监视这些电子设备来获取。当然，对员工个人行为的监视需要确保员工隐私的合法保护。

企业智能体系统200可通过例如网络感知层116(图3)来感知企业网络220中的网络数据。企业网络220中流动或存储有大量数据，感知这些数据的一种方法是通过深度包检测装置222，其可以部署在企业网络220中，例如布置在网络数据传输路径上(例如路由器、交换机、光纤、电缆等)，以截获网络数据包，并且将截获的网络数据包发送给例如企业云主体130。深度包检测(dpi)装置222将在下面进行详细描述。虽然这里作为示例示出了深度包检测(dpi)装置222，但是应理解，用于感知企业网络环境的网络感知层116也可以实现为其他方式。例如，网络感知层116可以实现为企业网络中的诸如路由器、桥接器、中继器、集线器、交换机之类的各种中间连接件或者其一部分，用于将经过其转发的网络数据包拷贝并且发送至企业云主体130。又例如，网络感知层116可以实现为软件定义网络中的软件定义控制器，其控制企业网络中的网络元件将其产生的、接收的、或者转发的网络数据包发送一份拷贝至企业云主体130。

在一些实施例中，企业网络220还连接到例如互联网，因此网络感知层116还可以感知互联网中的数据。例如，可以获得关于行业新闻、经济形势、大众偏好变化等的信息，这些信息也可以被企业智能体系统所利用，来相应地调整企业战略。

物理工厂感知层112则可以实施为安装于物理工厂环境230中的各种传感器232，其示例包括但不限于用于感知物料消耗的物流传感器、用于感知生产设备的运行状况的设备传感器、用于感知生产环境的环境传感器、以及用于感知生产成品的库存传感器等。物料消耗不仅包括各种原材料的消耗情况，还包括例如电力消耗、水资源消耗等。设备传感器可以是设备本身自带的用于监视其运行情况的传感器，通过设备的控制主机上的接口可以获取这些感知数据，或者可以是单独安装的用于监视设备的例如运行位置、运行时间、运行状态等的传感器。环境传感器典型地包括温度、湿度、灰尘、有毒气体、废水水质、废气污染指数等，这些参数可能与企业的生产过程紧密相关。库存传感器和物流传感器类似，可以通过例如条码扫码或rfid等手段来实现对原料和产品等的监视。通过各种传感器232，可以清楚地了解物理工厂的生产过程，获得生产相关的数据。

结合图3和图4可以理解，本发明的企业智能体系统100可以为事件驱动型，核心是企业智能体中枢140，通过传感器①来感知来自物理工厂、员工用户群体和企业网络的各种环境信息后，通过“网络”完成端到端的信息传输功能，基于获得的环境信息确定现状②，执行决策③需完成感知信息识别和处理(与数据库有关联)、智能推理(与学习、认知有关联)、智能规划和决策(与知识库有关联)，发执行指令④传达指令给执行器，执行器⑤收到指令后执行动作。大部分“环境”信息来自企业或与企业决策执行密切相关的范围。知识库由经验公式、经验数据和事实集合组成。事实集合指环境对象的属性、结构、特征、类型等。经验数据包括传感器本身的静态、动态特征、阈值及参数、被控制系统的性能指标等。“规则”指规则集合，指一系列行之有效的控制规则，按照专门经验和知识操作。

上面描述的人、网、物的感知，具有较广泛的范围。可以是静态的、动态的，离散信号、连续信号，确定的、随机的，视频的、图像的、声音的、符号的，片段的、延续的，无线的、有线的、光纤的，红外的、可见光的、太赫兹的，海洋的、水下的，人与人的、人与物的、物与物的，向所有行业和区域不断延伸。这些大数据在被感知之后，必要时，如前所述，在被企业云主体130进行初步处理之后，可以被企业智能中枢240用来了解企业运行状态，生成用于调取企业运营的各种执行指令。例如，企业智能中枢240可以利用人工智能技术对企业大数据进行处理，以确定相关对象例如员工的行为和/或状态，形成行为数据201和状态数据203。基于员工的行为和/或状态数据，可以确定员工的属性，例如员工的爱好、性格、对当前工作的满意程度、对企业的热爱与忠诚程度等。基于对象的属性，并且结合一定的规则203，可以生成执行指令以控制或调度相关对象的行为。或者，通过对物理工厂设备数据的处理来确定设备或环境的当前状态204，并且根据状态数据204来指定设备的运行动作205。例如，对于员工，可以生成为其分配工作任务的工作指令，并且将其发送给员工个人手机212或其他接收设备，例如发送至员工信箱等。对于物理工厂230，可以生成用于安排生产进度的生产指令、用于控制生产设备的运行的设备控制指令、用于调度生产成品的运输的运输指令、以及用于补充生产物料的物料购买指令等，这些可以发送给相应的执行器234。此外，可以发送与企业网络220相关的指令给网络执行器224。

在感知和生成执行指令的过程中，企业智能中枢240不仅仅是考虑到所感知的大数据本身，还应考虑各种大数据之间的关联性。一些关联性是显而易见的，例如成品产量与物料消耗，而有些关联性可能是尚未被人脑发现的，其可以被企业智能中枢240来发现。例如，企业智能中枢240可以运行大型神经网络模型，将各种数据作为输入，将关注结果作为输出，来确定输入数据与输出结果之间的关联性。例如，输出结果随输入数据一起变化，则二者之间的相关性较强；如果某个输入数据显著变化而输出结果基本不变，则二者之间的关联性较弱。通过这样的长期观察和实验，可以确定各种数据之间的关联性。

利用人工智能技术，企业智能中枢240不仅能够基于当前的企业大数据来调度企业运营，还能基于企业历史数据，例如通过机器学习，来预测相关对象的未来行为和/或状态。例如，通过历史的经济和销量数据，可以预测未来销量，从而提前做好生产计划。又例如，基于设备的运行数据，可以预测设备的寿命和设备的生产质量，从而提前对设备参数设定或者设备更新周期等作出安排。这里仅举出简单的示例，人工智能涉及非常广的技术和应用范畴，其可以在本发明的智能体系统中的很多方面得到充分利用。

通过eai对企业大数据进行分析、推理等，改变生产方式、人机关系和商业模式，精准满足用户的动态需求，是通信技术和制造业的企业整体层面深度融合、创新集成。eai，是大数据深度自感知、机器自学习、智慧自决策、精准自执行、全域自适应的企业整体先进制造过程、系统与模式，是物流、人流、资金流、信息流等人-网-物一体化的大数据智能，是供应链、资金链、制造装备、仓库、产品、用户、员工等万亿互联智能管理得新形态。体现出人-网-物三元万物互联，大融合、大连接、大数据、新智能，逐步渗透至整个物理工厂和员工、用户群体，相当于叠加了一个神经层，这是企业有史以来的一次重大转变。

企业智能中枢240，必要时可以与企业云主体130一起，构建以企业需求为导向的知识库和问题库，通过自统计、自学习，实现知识和问题的自动发现。这可以利用现有技术中的自动分类、自动类比、自动联想、数据挖掘、机器学习等技术，属于认知科学。一旦知识量达到一定规模，从量变到质变，可能会有新的系统行为涌现，颠覆现有的组织结构，出现新的企业经营模式。

企业智能体作为一个整体，包括“全部物理工厂+云网+感知+大数据+算法+人工智能”。信息转化五步骤分别是：感知→数据，数据→信息，信息→知识，知识→智能，智能→流程。员工每天点击上万次告诉eai：员工想干什么，进料、出货、装备自感知，物流、人流、数据流、资金流交汇，eai从其中完成智能学习等功能。每天不断学习，并升级到新的智能。这大大突破了员工自身能力和脑力、空间和时间的限制。工业互联网是基础，人工智能算法是核心，建企业智能体是中期目标，企业智脑是远期目标。

一个覆盖全公司的、无时不在的大智能体，与所有员工、物料、中间件、配件、产成品、仪表装备、研发系统、财务系统、所有客户等动态相连，集中了企业全体员工的智慧，将会是很大的动态人造物(超混合体、超组织、活系统、非连续系统、超变体，一个过程，永远升级中，弱集中控制，统计形态)(即人-网-物三元万物互联，渗透到公司各个角落，可进化)，这是迄今为止发生的极其复杂、难以想象的事件。企业智能体就好比是在传统物理工厂上叠加了一个神经层和大脑，像人体一样实现有机互动和完美结合。人的大脑约有近千亿个神经元，它经过长时间发展后可能比人的神经元至少多几十倍，且其容量、知识量、智能性会加速递增。企业是一个靠制度运行的群体。把企业和工厂所有能产生价值的个体连接起来可能会产生涌现效应。

图5示出根据本发明一示例性实施例的网络智能体系统的结构示意图。图5示出了企业网络10、电信网络20、以及企业云30。

企业网络10可包括各种客户端、服务器、以及用于连接客户端和服务器的中间连接件。在图5的示例中，企业网络10可包括例如作为客户端的便携式计算机11、台式计算机12、路由器或交换机13、各种传感器14、网关或服务器15、深度包检测装置(dpi)16等，传感器14的示例包括网络摄像头、接入到网络的雾霾传感器、水质传感器、交通摄像头、安防摄像头、rfid传感器、条码扫描仪、磁编码传感器等，这里不再一一举例。虽然未示出，但是企业网络10中还可以包括各种客户端、服务器和中间连接件，中间连接件的示例可包括例如中继器、桥接器、集线器等，其用于连接各种网络设备包括客户端和服务器以进行数据传输。

电信网络20可以是为员工手机提供电信服务的各种网络，例如2g、3g、4g、5g或者未来网络等，其中手机21通过基站22联网，甚至还可以访问互联网。

用于实现企业云主体130和企业智能中枢140的各种服务器可以部署在云端30。如图5所示，可包括用于实施企业云主体130的多个服务器31，还可以包括用于实施企业智能中枢140的一个或多个服务器32。企业智能中枢服务器32可以访问云服务器31，以获取其中的企业大数据并进行相应的人工智能处理，如前面描述的那样。

企业智能体的实现可充分利用现在已经发展的硬件和软件水平，包括近年来迅速发展的人工智能相关硬件和软件，以及将来发展的量子计算机等。尤其是，人工智能的飞速发展赋予了机器感知和学习的能力，这种能力的发展有可能使机器突破“奇点”，即超越人的能力。利用人工智能，已经能够通过机器来实现类人的感知、学习和预测过程。例如，利用人工智能处理，除了可以基于感知数据确定相关对象的行为和/或状态之外，还可以基于相关对象的行为和/或状态确定其属性，进而基于相关对象的属性来控制其行为。举例而言，基于感知数据可以确定某网络用户多次进行网络攻击行为，进而可以确定其为黑客。当确定该用户为黑客时，企业智能体可以通过配置网络来限制该用户的网络操作，尤其是限制其网络攻击行为，例如可以使其攻击指令不能被正确路由到目标网元或地址。传统网络只能通过提高网络本身的安全性来抵抗网络攻击，但是理论上几乎不可能建立完全没有安全漏洞的网络。本发明的网络可以通过主动确定某用户为黑客来限制其攻击行为，因此能够更有效地解决网络攻击问题，确保企业网络的安全性。

在一些实施例中，企业智能中枢执行的人工智能处理还可以利用近年来快速发展的机器学习技术，通过对已有数据的机器学习来预测相关对象的未来行为和/或状态。例如，企业智能中枢可以运行针对特定应用场景建立的神经网络模型，利用已获得的网络数据来训练神经网络模型，然后即可利用训练好的模型来对相关对象的未来行为和/或状态进行预测。在预测过程中，还可以利用真值数据来不断修正该模型。例如，通过销量、价格等的历史数据可以预测未来数据。

图6示出图5所示的深度包检测(dpi)装置16的框图。如图6所示，深度包检测装置16可包括检测功能实体41和检测管理实体42，下面将分别对其进行描述。

检测功能实体41是执行dpi检测功能的主体，其可包括存储器43和处理器45，处理器45可通过运行存储在存储器43中的指令来执行dpi检测过程，因此处理器45也可被称为dip引擎，其可以由cpu例如armcpu实现。存储器43中除了存储有可执行指令代码之外，还可以存储有检测功能实体41的相关配置信息，例如所检测的业务类型(即，应用类型)、数据包解析规则等。处理器45可以通过运行存储器43中的指令，并且基于存储器43中的配置信息，来执行如下步骤：

从企业网络10中截取网络数据包；

解析所截取的网络数据包以确定网络数据包的业务类型和相关对象；以及

基于解析结果将网络数据包重新打包成预定格式，并且发送给企业云主体130。

对于不同的企业网络和不同的应用，网络数据包的格式可能有所不同。因此，除了截取数据之外，检测功能实体41还可以按照配置的解析规则对数据包进行解析，识别其中有用的信息，然后按照预定格式将网络数据包重新打包封装，并且发送给企业云主体130。通过检测功能实体41对网络数据包的统一打包封装，可以形成便于企业智能体使用的格式，从而减轻网络智能体的数据处理负荷。

检测管理实体42可以对检测功能实体41的操作进行管理。例如，检测管理实体42可以配置检测功能实体41能够检测的业务类型，检测功能实体41对网络数据包进行解析的解析规则等，解析规则可以用正则表达式来表示。虽然在图6中将检测功能实体41和检测管理实体42示为两个单独的模块，但是在一些实施例中，检测管理实体42也可以作为一个管理模块实施在检测功能实体41中。

如前所述，企业智能体具有机器学习能力，深度学习的模型必须通过大量的数据训练才能获得较理想的效果。按照进化学派的说法，主要算法是基因编程，可对计算机程序进行一一配对和提升。按照联结学派的说法，企业智能指挥中枢可通过调整神经元(特定节点)之间连接强度进行学习，主要算法是企业反向传播学习算法。按照早期符号学派的说法，(企业)所有信息都可简化为操作符号，主要算法是企业也可作为物理符号系统，以早先获取的经验和知识为基础或者启发式编程，实现逆向演绎，符号推理，知识表示等。按照贝叶斯学派的说法，企业可运用概率推理，关注不确定性，主要算法是贝叶斯定理及其衍生定理。按照类推学派的说法，企业可推导出相似性，判断两个事物的相似度，支持向量机，找出记忆经历，企业做新的预测。

企业智能体至少具有五个基本特性，一是可扩展性，企业可构建更复杂的新结构，组织可以创造出更多的小组织，母公司可以创造出更多的子公司，信息母体能够孕育出更多的信息，永无止境。二是新颖性，企业系统中彼此关联的个体所形成的组合呈快速增长。允许个体差异，个体的差异可导致常新。三是可适应性，企业能够在很宽的范围内对变化作出调整。四是可进化性，企业能够将局部区域获得的适应性传递到另一个区域。五是弹性，企业的这种弹性可建立在众多并联关系上，可存在冗余；即便出现大的故障，在企业更高层级中也只相当于小故障。

下面的表1是企业智能体与智慧企业的对比表。从两者属性上看，企业智能体具有不以人的意志为转移的、由企业网络特性和竞争产生的客观人造物之特点。从历史角度看，eai从企业信息化诞生时就有，是一种企业网络流量产生的固有特性，以内生特性为主。从两者关系的比较看，eai是原创，是母体(或本体)。工厂的信息感知、传送和处理与物理工厂叠加，形成一个有机整体，就像一个独立的人一样，通过大脑指挥手、脚、听、说、闻、味、皮肤及神经系统，协同一致，自感知、自统计、自学习、自推理、自预测，成为一个有机整体。从进化角度看，随着工厂的终端、传感器、员工的手机不断使用和点击，eai每天不断感知、不断统计、不断学习、不断推理、不断预测，会越来越智能。它会通过大数据分析不断发现，那个环节人才短缺，资金链告急的原因，利润空间如何减小，产品如何多样化，用户需求如何变化，劳动力成本如何提高，原材料价格如何上涨等等，精准定位。eai有大数据统计形态，有较弱的集中控制，有一定的不确定性。

表1

企业智能体是一个与企业信息化规模相匹配的动态人造物，超混合体、活系统、非连续体；是无时无处不在的遍布企业各个角落的神经系统；集中了企业全体员工的智慧，可能会达到奇点(即比人类聪明)，可能远远超过企业员工的智能；至少由“企业云网+感知+算法+互联网大数据+人工智能”组成；是企业级存储量巨大的数据库，eai可纪录企业生产、订货、研发、出货、售后服务全过程，下载流程、技能和知识，回查若干年历史纪录；它既是显微镜(看工厂生产过程、看客户需求、看产品使用数据、看供应链生态)，又是望远镜，可以看企业内外更多网络信息；eai的信息可编辑、重复、共享、目标协调，并颠覆企业的日常生产活动，精准地发现各环节的问题，回查引起质量问题的原因；人-网-物三元互联，每天点击上万次，加上所有企业传感器的感知效果；它具有自搜索、机器自学习、逻辑自推理和专家系统等功能，并会一直升级下去；它的信息化结构可扩展和可冗余；它准实时、非最优、不绝对可控等。通过这些特征和功能与未来网络创新的结合及综合利用，可以解决的问题会比传统企业多得多。比如对于客户反馈的质量问题，通过大数据分析，很快就会知道是哪一个环节、哪一个批次、那一次供应、那一个时段、谁的操作出现的问题，这样就可以指定针对性的防范措施，避免下一次不会再次出现。不过现实中这些功能和特征均需纳入企业综合管理范畴，在法律法规允许的范围内正当使用。

上面仅描述了本发明的一些实施例。应理解，在不偏离本发明的思想和范围的情况下，可以进行许多形式和细节上的改进，这些改进都应落入在权利要求及其等价物所限定的本发明的范围内。